リードクオリフィケーションを実行する為のプロセスとは
現在は、クラウドサービスサスケ事業のマーケティング業務を担当。
イベントの企画・運営からWebマーケティングまで、幅広く業務を担っています。
銀行・人材コンサルティング会社を経て、インターパークへ入社。
5年以上の営業経験を踏まえ、マーケティングや営業についての考察を執筆しています。
個人のマンパワーから、チーム運営へ。「集客・管理・育成」と工程が細分化され、施策の実施内容も社内で見える化され、施策手法の定義化がトレンドとなっているマーケティング業界。
MAの流行りもあり、データドリブンが当たり前の今、リードクオリフィケーションの重要度はますます高まりを見せています。
目次
リードクオリフィケーション（データ抽出）とは
端的に言うと、欲しいリードデータをリストとして抽出する「データ抽出」の技術です。
それは一定のルールのもと行われます。
例えば、課題やニーズ毎。地域や業種毎。またはそれらの掛け合わせなど。
マーケティング施策全体から考えて、自社で活用したい形でリードデータが抽出できるようデータベースのマネジメントを考えていく必要があります。
リードクオリフィケーションのポジションとは
マーケティングを大きく分けると下記３工程になります。
─────────────────────────────────
・リードジェネレーション（集客）
・リードデータマネジメント（管理）
・リードナーチャリング（育成）
─────────────────────────────────
ユーザーの購入検討の期間の長期化もあり、集客だけでは十分な効果を得られなくなってきており、近年では管理から育成のフローがとても重要視されている傾向にあります。
その中間に入る工程がリードクオリフィケーションです。
─────────────────────────────────
・リードジェネレーション（集客）
・リードデータマネジメント（管理）
・リードクオリフィケーション（データ抽出）
・リードナーチャリング（育成）
─────────────────────────────────
多大な費用と手間をかけて集客したリードデータも、リードクオリフィケーション（データ抽出）が的確に実施できる形で管理できていなければ、効果は半減です。リードナーチャリング（育成）も行えません。
集客だけでは効果を生み出せない時代になってきている…という内容は前述の通りです。
リードクオリフィケーションに適したデータ形式とは
様々な軸からデータを切り出せるようにしておくことが大事です。
その為には単純なテキストデータとしてだけではなく、属性としてデータを管理しておく必要性があります。
データ保持形式を「フラグ」として活用できるようにしておくという事です。
データフラグのタイプとしては下記のようなものがあります。用途に応じて種類を定義して格納していきます。
【属性選択式フラグ】
●チェックボックスタイプなど
属性選択式フラグ例①）「業種：製造業/IT業/広告代理店業/食品加工業/」
属性選択式フラグ例②）「従業員数：0～50人/51人～100人/101人～200人/」
【時間軸フラグ】
●日付の年月日、時間
時間軸フラグ例①）「商談日：2017年3月9日」
時間軸フラグ例②）「商談時間：15時00分～15時45分」
【数字フラグ】
●個数、枚数、回数など
数字フラグ例①）「購入数：7個」
数字フラグ例②）「イベント来場回数：3回」
「フラグ」形式のデータをどのように活用するか
保持しているリードデータに複数の「フラグ立て＝特長付け」を実行しておく事で、リードクオリフィケーション（データ抽出）する条件として活用する事ができるようになります。
下記のような活用方法になります。
【リードクオリフィケーション例①】
・保有リードデータ：10,000件
・データ抽出条件：業種が製造業で、かつ従業員数50人以下に該当するデータをリストとして抽出
【リードクオリフィケーション例②】
・保有リードデータ：100,000件
・データ抽出条件：イベントへの来場回数が2回以上、かつ2017年1月1日～6月31日の期間で商談を実施したデータをリストとして抽出
【リードクオリフィケーション例③】
・保有リードデータ：50,000件
・データ抽出条件：365日以上接触がないデータをリストとして抽出
①と②の例は、保持したデータフラグを２つ経由してデータ抽出を行いました。
③の例は「時間軸」を取り入れたデータ抽出方法です。
「365日以上接触がない」といっても今日時点で365日以上接触がないデータと、明日実施した365日以上、1ヶ月後に実施した365日以上では、抽出するデータは異なります。
データに時間軸を串刺しにする事で、時間もデータフラグとしたリードクオリフィケーションが可能になります。
Webのトラッキングデータを併用する
Webページへのアクセス状況も当然、データフラグとして活用できます。
シナリオでWebページのアクセスパターンを決めておき、その閲覧パターンに応じたWebコンテンツを用意しておく。それらを自動で実行する。
これが今流行りのマーケティングオートメーションの基礎の考え方です。
ここでもリードクオリフィケーションの考え方が活かされています。
【Webトラッキング属性フラグ】
●閲覧ページ、滞在時間など
Webトラッキング属性フラグ例①）「閲覧ページ：Aページ/Bページ/Cページ」
Webトラッキング属性フラグ例②）「滞在時間：30秒/1分/3分」
【リードクオリフィケーション例④】
・保有リードデータ：10,000件
・データ抽出条件：AページとCページを両方閲覧しているデータをリストとして抽出
【リードクオリフィケーション例⑤】
・保有リードデータ：30,000件
・データ抽出条件：2017年の６月に、Aページ、Bページ、Cページをすべて閲覧している、かつ業種が製造業で、かつ従業員数50人以下に該当するデータをリストとして抽出
④は単純にWebの閲覧パターンからデータ抽出したパターンですが、⑤は【Webトラッキング属性フラグ】と【属性選択式フラグ】を複合したデータ抽出の方法です。
このように様々な角度から「フラグ立て＝特長付け」をしておく事で、異なる要素を複合した奥行きのあるデータ抽出が可能になります。
データ構造の概念に関しては動画でもご紹介しています。ご興味あれば「サスケのリードデータマネジメント」動画もご覧くださいませ。
まとめ
いかがでしたでしょうか？
リードクオリフィケーションは、マーケティングにおけるデータドリブンの基礎となる考え方です。
データ抽出の質が施策の質であり、マーケティングの中でも効果に直結してくる工程といえます。
その中で難しいのはデータの保持形式の選択と、データベースの構築、施策と連動した運用方法です。
これは施策内容や、目標などゴールからプロセス全体を逆算して考えていく事が重要です。
リードデータの取り扱いに関して何かお困り事御座いましたら、私どもにぜひご相談下さいませ。
